3D视觉引导麻袋软包拆垛
项目背景：自动化智能化的食品生产线成为了提高食品生产的重要手段。传统人工拆垛不仅成本高，还存在劳动强度大、工伤风险高等问题。特别是在一些重复性强、劳动密集型的作业环节，如食品包装和搬运，引入自动化拆垛设备可以显著降低人力成本，同时提高工作环境的安全性。
- 项目优势
- 更高通用性，基于bat365在线官网自研 DexVerse™ 具身智能引擎训练深度学习模型，支持自适应学习、通用识别各种拆垛物料的 3D 视觉大模型；
- 支持同时配置多个产品型号作业，根据机器人信号任意切换作业运行；无需停产采集标注数据，8小时即可完成新增工件的深度学习模型训练，快速上线生产；
- 零代码，零编程，直接调整参数即可实现视觉定位，最快5分钟即可完成视觉配置，20分钟即可配合机器人进行抓取调试；
- 应用成果
结合Kingfisher 智能相机，打造了基于 3D VLA (3D Vision Language Action) 大模型的全新工业物流纯视觉成像感知套件，支撑拆垛场景趋近实现 AnyGrasp，而不再是针对不同的操作对象进行定制的数据标定及任务编程。从而具备更强大的核心能力、更高的通用性，实现更快的交付、更优的应用成本。
